Mở đầu — vì sao bài này quan trọng
Hãy tưởng tượng bạn phỏng vấn mười người dùng về một ứng dụng ngân hàng số. Cả mười người đều nói "tôi thích ứng dụng này vì nó tiện lợi". Nhưng khi bạn đào sâu, bạn phát hiện ra "tiện lợi" với người này nghĩa là "chuyển tiền nhanh", với người kia lại là "không cần đến quầy giao dịch", còn với người thứ ba là "giao diện đơn giản dễ nhìn". Cùng một từ, ba thế giới ý nghĩa hoàn toàn khác nhau.
Đây chính là cạm bẫy lớn nhất của nghiên cứu định tính truyền thống: chúng ta vô tình áp đặt hệ quy chiếu của mình lên người dùng, hoặc bị đánh lừa bởi những từ ngữ chung chung mà mỗi người hiểu một kiểu. Chúng ta hỏi những câu mà chính mình đã có sẵn khung ý nghĩa, rồi ngạc nhiên khi kết quả không đủ sâu.
Repertory Grid Technique (kỹ thuật lưới cấu trúc cá nhân — thường gọi tắt là RepGrid) ra đời để giải quyết đúng vấn đề này. Đây là một phương pháp cho phép bạn khai thác được cách người dùng tự phân loại và đánh giá thế giới của họ, bằng chính ngôn ngữ và tiêu chí của họ, chứ không phải của bạn. Điều đặc biệt là nó tạo ra dữ liệu vừa định tính vừa định lượng cùng lúc — bạn thu được những cụm từ giàu ý nghĩa của người dùng, đồng thời có ma trận số có thể phân tích thống kê. Trong một khóa nghiên cứu UX nâng cao, đây là một trong những công cụ tinh vi và bị đánh giá thấp nhất. Nắm được nó, bạn sẽ có một "vũ khí bí mật" để phá vỡ những insight bề mặt.
Khái niệm cốt lõi
Nguồn gốc: Lý thuyết Cấu trúc Cá nhân của George Kelly
RepGrid không phải là một mẹo phỏng vấn ngẫu nhiên. Nó bắt nguồn từ một nền tảng lý thuyết vững chắc: Personal Construct Theory (PCT) do nhà tâm lý học George Kelly công bố năm 1955.
Ý tưởng trung tâm của Kelly: mỗi con người là một "nhà khoa học nghiệp dư", liên tục xây dựng và kiểm chứng các "lý thuyết" cá nhân để hiểu và dự đoán thế giới. Chúng ta không tiếp nhận thực tại một cách thụ động; chúng ta kiến tạo ý nghĩa thông qua các "construct" (cấu trúc nhận thức).
Điểm mấu chốt: những construct này luôn mang tính lưỡng cực (bipolar). Nghĩa là khi tôi nói một sản phẩm "hiện đại", trong đầu tôi ngầm so sánh nó với một thái cực đối lập — có thể là "cổ điển", "lỗi thời", hoặc "quê mùa". Cực đối lập ấy tiết lộ ý nghĩa thật sự của tôi. Nếu đối cực của "hiện đại" trong đầu bạn là "quê mùa", bạn đang nói về tính thời trang; nếu nó là "khó dùng", bạn lại đang nói về công nghệ. Cùng một từ "hiện đại", nhưng đối cực khác nhau bộc lộ hai mối quan tâm hoàn toàn khác.
RepGrid chính là kỹ thuật để "moi" ra những cặp construct lưỡng cực này từ người dùng một cách có hệ thống.
Ba thành phần của một lưới
Một Repertory Grid luôn gồm ba yếu tố:
1. Elements (các phần tử) — Đây là những đối tượng cụ thể mà người tham gia sẽ đánh giá. Trong UX, elements thường là: các ứng dụng đối thủ, các mẫu thiết kế khác nhau, các thương hiệu, các quy trình, hoặc các trải nghiệm. Ví dụ: Momo, ZaloPay, ViettelMoney, VNPay — bốn ví điện tử là bốn elements. Elements nên đồng nhất về loại (đừng trộn "một ứng dụng" với "một cảm xúc") và người tham gia phải quen thuộc với chúng.
2. Constructs (các cấu trúc) — Đây là các thang đo lưỡng cực do chính người tham gia tạo ra, không phải do bạn cung cấp. Mỗi construct là một cặp đối lập, ví dụ "đáng tin cậy — dễ gặp lỗi", "dành cho người trẻ — dành cho người lớn tuổi". Đây là phần "vàng ròng" của phương pháp.
3. Ratings (điểm đánh giá) — Người tham gia chấm điểm từng element trên từng construct, thường theo thang 1–5 hoặc 1–7. Kết quả là một ma trận số: hàng là construct, cột là element, mỗi ô là một điểm.
Kỹ thuật "bộ ba" (Triadic Elicitation)
Vậy làm sao để moi ra construct mà không áp đặt? Kelly đưa ra kỹ thuật kinh điển: triadic elicitation (khơi gợi bằng bộ ba).
Bạn chọn ngẫu nhiên ba elements và hỏi người tham gia: "Trong ba cái này, hai cái nào giống nhau theo một cách nào đó, và khác với cái còn lại như thế nào?"
Ví dụ với ba ví điện tử Momo, ZaloPay, VNPay, người dùng có thể nói: "Momo và ZaloPay giống nhau vì nhiều chương trình khuyến mãi, còn VNPay thì thiên về thanh toán chính thống, ít vui nhộn hơn." Vậy là bạn vừa khai thác được một construct: nhiều khuyến mãi vui nhộn — thanh toán chính thống nghiêm túc. Chú ý: construct này là ngôn ngữ và góc nhìn của họ, không phải của bạn.
Lặp lại với nhiều bộ ba khác nhau, bạn sẽ dần thu được 6–10 construct cho mỗi người — bức tranh về cách họ nhìn nhận cả một danh mục sản phẩm.
Tình huống thực tế
Ví dụ 1: Startup fintech "TílíPay" định vị thương hiệu
Một startup ví điện tử giả định tên TílíPay tại TP.HCM muốn hiểu vì sao họ mãi không chiếm được người dùng trẻ. Đội nghiên cứu chọn RepGrid với 8 người dùng Gen Z (20–26 tuổi).
Elements: Momo, ZaloPay, ViettelMoney, TílíPay, Apple Pay, và "tiền mặt".
Qua triadic elicitation, các construct nổi lên lặp đi lặp lại: "bạn bè mình đều dùng — chỉ mình mình dùng", "giao diện trẻ trung — giao diện như của ngân hàng", "hay có mini-game/quà — chỉ để trả tiền khô khan".
Khi lập ma trận điểm, đội nghiên cứu phát hiện: TílíPay bị chấm điểm cực thấp ở construct "bạn bè mình đều dùng" (điểm 2/7) và "hay có mini-game/quà" (điểm 3/7). Nhưng bất ngờ là ở construct "an toàn — dễ mất tiền", TílíPay lại được chấm cao ngang Momo (6/7).
Bài học rút ra: Đội marketing trước đó đổ tiền quảng bá tính "an toàn, bảo mật" — nhưng RepGrid cho thấy đó không phải điều Gen Z quan tâm để phân biệt các ví; họ mặc định ví nào cũng an toàn. Thứ thực sự tạo khác biệt trong tâm trí họ là hiệu ứng mạng lưới xã hội và tính giải trí. TílíPay đã tiêu tiền sai chỗ. Insight này gần như không thể lộ ra nếu chỉ hỏi "bạn nghĩ gì về TílíPay".
Ví dụ 2: Sàn TMĐT so sánh trải nghiệm thanh toán
Một sàn thương mại điện tử khu vực Đông Nam Á (kiểu Shopee/Lazada) muốn tối ưu bước checkout. Họ dùng RepGrid với 12 người mua hàng thường xuyên, elements là 5 luồng thanh toán khác nhau (thẻ, ví điện tử, COD, trả góp, chuyển khoản QR).
Constructs người dùng tự tạo bao gồm: "kiểm soát được — dễ mua nhầm quá tay", "cần suy nghĩ nhiều bước — bấm phát xong ngay", "an tâm nếu hàng lỗi — lo mất tiền oan".
Phân tích cho thấy COD và trả góp cùng nhóm ở cực "an tâm nếu hàng lỗi", trong khi QR và ví điện tử ở cực "bấm phát xong ngay". Điều thú vị: một construct hiếm gặp nhưng cực mạnh xuất hiện ở 3 người — "hợp để mua đồ đắt — chỉ hợp mua đồ rẻ". Nhóm này chỉ dùng trả góp cho món trên 3 triệu đồng và tuyệt đối không dùng COD cho đồ đắt vì "sợ ship hỏng mà đã đưa tiền".
Bài học rút ra: Sàn nhận ra không nên thiết kế một luồng checkout "một cỡ vừa cho tất cả". Với giỏ hàng giá trị cao, nên đẩy nổi bật trả góp và bảo vệ người mua; với giỏ hàng nhỏ, nên ưu tiên tốc độ QR. RepGrid tiết lộ rằng giá trị đơn hàng là một biến điều tiết ẩn mà các cuộc khảo sát trước đó chưa hề bắt được.
Ví dụ 3: So sánh cá nhân trước và sau (dùng RepGrid theo dõi thay đổi)
Một ngân hàng số giả định "OneBank" ra bản redesign lớn. Họ muốn biết bản mới có dịch chuyển cảm nhận người dùng theo hướng mong muốn không. Họ dùng một biến thể tinh tế: thêm hai element đặc biệt là "ứng dụng lý tưởng của tôi" và "chính tôi hiện đang dùng gì" vào lưới, bên cạnh các đối thủ.
Trước redesign, khoảng cách giữa "OneBank hiện tại" và "ứng dụng lý tưởng" rất xa trên construct "gọn gàng dễ tìm — rối mắt nhiều chức năng". Sau redesign, đo lại cùng nhóm người dùng: khoảng cách ấy thu hẹp đáng kể, nhưng lại xuất hiện khoảng cách mới ở construct "cá nhân hóa cho tôi — chung chung cho mọi người".
Bài học rút ra: Element "lý tưởng" đóng vai trò như một cột mốc để đo khoảng cách tới mục tiêu. Redesign đã giải quyết được vấn đề rối mắt nhưng vô tình làm mất cảm giác cá nhân hóa. Đây là cách dùng RepGrid như một công cụ đo lường chiến lược, không chỉ để khám phá.
Hướng dẫn từng bước
Bước 1 — Xác định mục tiêu và chọn elements. Quyết định bạn muốn khám phá không gian nhận thức nào (thương hiệu đối thủ? các mẫu thiết kế? các loại trải nghiệm?). Chọn 6–10 elements đồng nhất về loại, mà người tham gia đều quen thuộc. Cân nhắc thêm element "lý tưởng" và "hiện tại đang dùng" nếu muốn đo khoảng cách mục tiêu.
Bước 2 — Chuẩn bị thẻ. In mỗi element lên một thẻ riêng (hoặc dùng phiên bản số). Việc cầm nắm, xáo trộn thẻ giúp người tham gia so sánh trực quan.
Bước 3 — Khơi gợi construct bằng bộ ba. Rút ngẫu nhiên 3 thẻ. Hỏi câu kinh điển: "Hai cái nào giống nhau và khác cái còn lại ở điểm gì?" Ghi lại cực người dùng nêu ra (cực "giống nhau"), rồi hỏi tiếp: "Vậy điều ngược lại của điều đó là gì?" để lấy cực đối lập. Bạn cần cả hai cực.
Bước 4 — Đào sâu bằng laddering. Với mỗi construct, hỏi "Tại sao điều đó quan trọng với bạn?" để leo lên (laddering up) tới giá trị sâu hơn, hoặc "Cụ thể là như thế nào?" để leo xuống (laddering down) tới chi tiết cụ thể. Đây là bước biến construct bề mặt thành insight có chiều sâu.
Bước 5 — Lặp lại với các bộ ba mới. Rút những bộ ba khác nhau cho tới khi người tham gia không còn nghĩ ra construct mới (bão hòa), thường là 6–10 construct/người.
Bước 6 — Chấm điểm ma trận. Yêu cầu người tham gia chấm mọi element trên mọi construct theo thang 1–7 (1 sát cực trái, 7 sát cực phải). Đây là lúc ma trận số hình thành.
Bước 7 — Phân tích. Với dữ liệu định tính: gom các construct tương đồng giữa những người tham gia thành các chủ đề. Với dữ liệu định lượng: dùng phân tích cụm (cluster analysis) hoặc phân tích thành phần chính (PCA) để xem element nào gần nhau, construct nào tương quan. Nhiều phần mềm như Idiogrid, WebGrid, hoặc đơn giản là bảng tính đều hỗ trợ.
Lỗi thường gặp & mẹo
Lỗi 1 — Tự cung cấp construct cho người dùng. Đây là lỗi phá hỏng toàn bộ phương pháp. Nếu bạn đưa sẵn thang "dễ dùng — khó dùng", bạn đã quay lại việc áp đặt khung của mình. Hãy kiên nhẫn để người dùng tự nói. Chỉ dùng "supplied construct" (construct do bạn cung cấp) khi có lý do rõ ràng và tách biệt phần đó.
Lỗi 2 — Chọn elements mà người dùng không rành. Nếu người tham gia không thực sự dùng qua Apple Pay, điểm họ chấm cho nó là bịa. Hãy sàng lọc để mọi element đều nằm trong trải nghiệm thật của họ.
Lỗi 3 — Bỏ qua cực đối lập. Nhiều người mới chỉ ghi "hiện đại" mà quên hỏi đối cực. Không có đối cực, bạn mất đi 50% ý nghĩa. Luôn hỏi "điều ngược lại là gì?".
Lỗi 4 — Quá nhiều elements gây kiệt sức. Với 6 construct và 10 element, người tham gia phải chấm 60 ô. Vượt quá 8–10 element, chất lượng chấm điểm sụt giảm vì mệt. Giữ quy mô vừa phải.
Mẹo — Ghi âm phần laddering. Điểm số cho bạn cấu trúc, nhưng những câu "tại sao" mới là nơi cất giấu câu chuyện. Trích dẫn nguyên văn của người dùng ("mình sợ đưa tiền trước rồi ship hỏng") có sức thuyết phục với stakeholder hơn mọi biểu đồ.
Mẹo — Đừng gộp construct của nhiều người quá vội. Sức mạnh của RepGrid nằm ở tính cá nhân (idiographic). Hãy trân trọng cả những construct chỉ một người nêu ra — đôi khi đó là insight độc đáo nhất, như construct "hợp đồ đắt — hợp đồ rẻ" ở ví dụ 2.
Bài tập thực hành
Hãy tự thực hiện một mini-RepGrid trong 45 phút:
- Chọn chủ đề: 5 ứng dụng bạn dùng hàng ngày (ví dụ: Zalo, Messenger, Telegram, Gmail, Zalo, Grab — chọn 5 cái đồng loại như "ứng dụng nhắn tin" hoặc "ứng dụng đi lại").
- Viết mỗi ứng dụng lên một mẩu giấy — đây là elements của bạn.
- Rút ngẫu nhiên 3 mẩu. Tự hỏi: "Hai cái nào giống nhau, khác cái còn lại ở điểm gì?" Ghi lại cả hai cực. Lặp lại với 4–5 bộ ba khác nhau để thu 5–6 construct.
- Với mỗi construct, hỏi bản thân "tại sao điều này quan trọng với tôi?" và ghi lại câu trả lời.
- Lập bảng, chấm điểm mọi ứng dụng trên mọi construct theo thang 1–7.
- Nhìn vào bảng: ứng dụng nào bị chấm giống nhau trên nhiều construct? Construct nào của bạn thực ra là biến thể của cùng một ý? Bạn học được gì về tiêu chí ẩn mà bạn dùng để đánh giá sản phẩm?
Tóm tắt
Repertory Grid Technique là cây cầu nối giữa nghiên cứu định tính và định lượng, bắt nguồn từ Lý thuyết Cấu trúc Cá nhân của George Kelly (1955). Tư tưởng cốt lõi: con người kiến tạo ý nghĩa qua các construct lưỡng cực của riêng mình, và nhiệm vụ của nhà nghiên cứu là khai thác chúng mà không áp đặt.
Ba thành phần cần nhớ: elements (đối tượng cụ thể được đánh giá), constructs (thang lưỡng cực do chính người dùng tạo ra), và ratings (ma trận điểm số). Công cụ khơi gợi kinh điển là triadic elicitation — hỏi trong ba cái, hai cái nào giống nhau và khác cái còn lại thế nào — kết hợp với laddering để đào sâu ý nghĩa.
Sức mạnh thật sự của RepGrid nằm ở chỗ nó buộc người dùng nói bằng ngôn ngữ và tiêu chí của họ, phá vỡ những từ chung chung dễ gây hiểu lầm, đồng thời tạo ra ma trận số phân tích được bằng cluster analysis hay PCA. Như các ví dụ TílíPay, sàn TMĐT và OneBank cho thấy, phương pháp này thường lôi ra những biến ẩn mà khảo sát thông thường bỏ sót — hiệu ứng mạng lưới xã hội, giá trị đơn hàng, khoảng cách tới sản phẩm lý tưởng. Khi bạn cần hiểu cấu trúc nhận thức đằng sau lựa chọn của người dùng, chứ không chỉ ý kiến bề mặt, RepGrid là công cụ đáng để đưa vào bộ dụng cụ nghiên cứu nâng cao của bạn.